가. 노인장기요양 공급과 인정제도 특성

2005년 당시, 「노인복지법」으로 설립된 노인전문 기관 중 1,019개(전문요양-요양입소시설 357개, 재가노인복지시설 662개)가 「노인장기요양보험법」으로 급여제공이 가능했지만 (보건복지부, 2005, pp.3-9), 2008년 노인장기요양 제도 시행을 목전에 두고 공급 인프라 부족이 주요 이슈로 부각 되었다. 공급 인프라 확충을 위해 「노인복지법」 이외에 「노인장기요양보험법」에 의거해 공급 기관이 시장에 진입할 수 있게 하였다. 「노인복지법」에 의거해 기관을 개소하려면 지자체로부터 정식 지정을 받아야 했지만, 「노인장기요양보험법」은 설치신고만으로 재가장기요양 기관 개소가 가능했다. 공급 기관 설치 규정이 「노인복지법」과 「노인장기요양보험법」으로 이원화되어, 재가 기관의 상당수가 진입장벽이 낮은 「노인장기요양보험법」에 의거해 개소를 하였다. 「노인복지법」에 의거해 기관을 개소하려면 인력기준 및 정원 관리 기준이 충족되어야 지자체로부터 지정을 받을 수 있으나, 「노인장기요양보험법」의 기관 설치기준에는 이와 관련한 근거가 없었다. 이후, 2019년 12월 「노인장기요양보험법 시행규칙」 일부개정안을 통해, 이원화되어 있는 설치기준이 통합되었다. 2019년 「노인장요양보험법 시행규칙」 개정이유서에 따르면, 과잉공급으로 인한 서비스 질 하락 방지를 위해, 지정제도를 단일화한다고 명시하였다(보건복지부, 2019). 2020년부터 제정된 「노인복지법」 제31조에 따라, 인력기준이 충족되어야 재가 기관 설립이 가능해졌다. 하지만, 2019년 전까지 재가 기관의 인력 및 정원이 기준을 충족하지 못하더라도 기관 설립이 가능했던 만큼, 시장 진입을 위한 장벽이 낮았고, 그로인해 수요에 비해 공급이 과잉되는 현상을 보였다(보건복지부, 2020, p.58).

장기요양 기관의 공급 과잉으로 인해, 기관 간 과다 경쟁이 발생하게 되었다. 의료급여에서 급여이용 증대에 따라 수요가 확대되었다면, 노인장기요양 제도는 다른 사회보장 제도와 다르게, 인정신청 절차와 개인별 월(月) 이용한도가 정해져 있다. 먼저 인정신청 절차를 도입해, 등급판정위원에 심의를 거쳐 적정 이용자(인정자)로 인정받아야 급여제공이 이뤄진다. 또한, 장기요양 인정자로 결정되면, 개인별로 월 이용한도, 이용 서비스가 정해진다. 다른 사회보장 제도는 행위별 급여제공 한도를 제한하지 않지만, 장기요양 인정자는 월별 이용금액과 이용량이 정해져 있다. 그렇기에 노인장기요양 공급 기관은 급여 한도액과 이용량을 초과해 공단에 급여 청구할 수 없다. 제공 급여 한도가 정해져 있기에, 이용 인력 확보를 통해, 공급자의 수요가 확대된다(이선영, 2012, pp.890-891). 보건복지부(2011)의 입법예고에 따르면, 과잉 공급으로 인한 이용 인원 모집의 문제점을 법 개정 사유로 명시된 바 있다. 공급 기관에서 영리를 목적으로 인정자에 대한 급여이용 개입 행위를 방지하기 위해, 「노인장기요양보험법」 처벌 조항이 신설되었다. 공급 기관 개소 기준은 낮지만, 등급인정 절차 및 이용한도를 설정해 급여이용에 의한 수요 유발을 방지하고자 한 것이다.

기존 인정자의 영리적 개입 방지를 위한 제도적 장치는 있으나, 인정신청자의 영리적 목적 개입 방지를 위한 대안은 부족한 실정이다. 인정신청 절차에서 신청 대리인으로 누구나 지정할 수 있고, 등급판정 전까지 행사할 수 있는 권한이 다양하다. [그림 1]과 같이 신청 대리인은 인정신청 서류 제출뿐만 아니라, 인정조사 및 등급판정 절차에 대한 모든 사항을 조력할 수 있다. 「노인장기요양보험법 시행규칙」 제10조에 신청 대리인 기준이 명시되었지만, 권고사항으로 법적 효력을 가지지 못한다. 「노인장기요양보험법」 제35조(장기요양 기관의 의무 등), 제67조(벌칙), 제68조(양벌규정)으로 공급자의 영리목적 행위를 제한하였지만, 이는 인정자를 대상으로 한 규정으로, 인정신청자에 적용되지 않는다. 이와 관련하여, 공급기관은 인정자로 수요 유발을 하는 것에 한계가 있어, 공급기관이 인정 신청 과정에 개입해 수요 유발을 꾀한다는 선행연구가 발표된 바 있다. 제갈현숙(2009, p.219) 연구에 따르면, 이용자 확보가 수입과 직결되기 때문에 인정신청을 유도하는 경우가 있다고 지적하였다. 일부 공급 기관에서는 수요자 확대를 위해, 인정신청과정에서 판정에 유리한 허위진술을 유도하는 사례도 있었다(이윤경, 2012, p.6).

새창으로 보기

그림 1.

인정절차 및 급여이용 절차

나. 노인장기요양 공급 선행연구

노인장기요양 제도의 준시장화 특성과 관련하여, 다양한 변인을 활용하여 공급 특성을 확인하고자 하는 연구가 이루어졌다. 노인장기요양 공급과 관련한 선행연구에서는 주로 과잉경쟁과 이에 따른 서비스의 질 하락에 초점을 맞추고 있었다. 장기요양과 관련한 초기의 선행연구에는 공급 확대로 인한 과잉 경쟁의 문제가 주로 다루어졌다. 석재은(2010, p.35-36)은 노인장기요양 공급 인프라 확대를 위해, 공급 기관 진입 문턱이 낮아지며 과잉공급이 발생하였고, 이는 기관 간 경쟁을 부추기는 결과를 초래하였다고 보았다. 이선영(2012, pp.890-891)의 연구에서는 높은 경쟁으로 기관 간 합법적인 방법으로 인정자 유치 경쟁이 발생하기도 했지만 부적절한 방법도 동원되었음을 언급하고 있다. 즉, 타 기관과 경쟁력을 갖추기 위해 서비스 질을 강화하고 종사자 교육을 강화한 사례가 있지만, 무리한 인정자 확보 과정에 부적절한 방법이 발생하였다는 것이다. 장기요양 제도 초기, 공급 인프라 확충에 초점이 맞춰져, 기관 지정에 대한 진입장벽이 낮아 무분별하게 공급 기관이 설립되었고, 그 과정에서 수요에 비해 공급이 과잉되는 현상을 보였다. 보건복지부(2020, p.58) 연구에 따르면, 재가 기관 적정 수요는 40명인 반면, 실제 이용자는 이보다 적은 24~26명이었다. 이처럼 상당수의 기관들은 적정 수요를 충족하지 못해 과잉 경쟁에 몰려 있었다고 보고서는 언급하고 있다. 즉, 수요 확대로 공급이 증가하기보다, 제도적 특성으로 공급이 팽창한 것이다.

노인장기요양 공급과 관련된 초기 선행연구들은 과잉공급 문제점을 지적했다면, 이후 공급 특성으로 발생하는 현상을 실증분석하였다. <표 2>와 같이, 공급 특성이 서비스 질에 미치는 영향에 초점이 맞춰져 선행연구가 이뤄졌다. 공급자의 도덕적 해이로 기관 특성에 따라 서비스 제공량과 운영 프로그램에 차이가 나타났고, 경쟁으로 서비스 질 향상되는 효과는 보기 어려웠다(권현정, 2014, p.307-308). 권현정(2016, p.230-231)은 입소시설에서 중증질환 인정자를 회피하고, 저위험 인정자를 선별해 받는 현상과 영리 입소시설의 서비스 제공 총량이 낮은 것을 지적하였다. 그러나 노인장기요양 공급시장 왜곡에 따른 서비스 질 저하에 관련한 기존 선행연구만으로 공급-수요 관계를 선후관계 규명에 한계가 있다.

장기요양의 공급-수요 관련 연구는 2005년 일본에서 최초로 수행되었고, 국내에서는 2020년에 이르러서야 관련된 연구가 이루어졌다. 주요 선행연구는 <표 3>과 같다. 먼저, 일본 정부는 개호보험-의료보험의 유사성에 기반해, 공급-수요 관련 연구를 수행하였다. 일본 개호보험의 선행 연구에서는 연구 대상 및 분석 방법에 따라 공급이 수요에 미치는 영향에 대한 해석이 다르게 나타났다. 일본 개호보험 센서스 데이터(Survey on Long-term Care Users)를 활용하여 재가 기관을 중심으로 수요 증대 효과 발생과 관련한 연구에서는 주요한 효과를 입증할 수 없었다(Noguchi & Shimizutani, 2005; Shimizutani, 2006). 후속 연구 또한 공급-수요의 통계적 유의미성을 부여하기에는 영향이 미비하였다(Noguchi & Shimizutani, 2009). 그러나 공급 기관 케어매니저 활동이 수요 증대에 미치는 영향이 입증되어, 특정 공급자 직군에서 수요를 유인한다는 결론이 도출되었다(Sugawara & Nakamura, 2014, pp.15-16). 국내 선행연구에서는 개인 및 비영리 방문요양 기관에서 많은 급여 지출이 이뤄지는 것을 볼 수 있었다(이기주, 석재은, 2020, p.202).

기존 국내외 노인장기요양 공급-수요 선행연구는 제도의 특수성을 반영하지 않은 채, 의료 경제학의 유인수요(SID) 모형을 그대로 적용하는 한계점을 보였다. 장기요양 제도의 특성을 반영하지 못해 이를 고려한 공급-수요 분석의 필요성이 대두된다. 의료보장에서 개인별 이용한도액이 정해지지 않아 급여이용을 수요 특성으로 정의할 수 있지만, 인정자의 월별 장기요양 급여이용 품목, 이용한도액, 이용횟수가 한정되어 공급자의 급여이용 유인이 제한된다. [그림 2] 좌측과 같이, 노인장기요양 공급 기관은 적정한 사유가 있어도 급여이용 한도를 초과하면 공단에게 추가 청구할 수 없기에, 급여이용으로 공급-수요 분석이 적합하지 않다. 반면, [그림 2]의 우측과 같이 노인장기요양 공급자는 더 많은 이용 인원 확보되어야 수요 확대로 이어진다. [그림 1]에서 보았듯, 인정자에 대한 유인･알선 행위가 제도적으로 제한되어 인정신청 단계에서 수요를 유발하는 행위가 발생할 수 있다. 이용 인원 확대가 수요의 증가와 직결되기에 일부 공급 기관에서 불특정 다수에게 인정신청을 권하고, 대리 신청 유도, 공단 직원에 대한 압박성 민원, 허위진술 등이 이뤄진다는 연구가 발표된 바 있다(제갈현숙, 2009, p.219). 과잉공급으로 기존 인정자만으로 수요를 창출하는 데에 한계가 있어, 수요자 확대를 위해 불필요한 인정신청을 촉발한다는 연구가 있지만(이윤경, 2012, p.6), 이에 대한 실증분석 사례는 없다. 따라서, 노인장기요양 공급에 있어 급여이용으로 유인수요(Supply Induced Demand, SID)를 파악하는 것이 어렵기에, 인정신청을 통한 수요 유발 행위(Attempt to Demand Inducement)를 살펴보는 것이 필요하다.

새창으로 보기

그림 2.

의료보장-노인장기요양 제도 간 수요 특성 차이

가. 종속변수

노인장기요양 공급 특성에 따라 수요 유발 시도가 있었는지 살펴보기 위해, 종속변수를 인정신청 건수로 설정하였다. 분석기법으로 연도별 정책변화･지역별 특성을 내생성으로 통제하고, 통제변수로 노인인구, 인정률를 설정할 예정이다. 내생성과 통제변수 효과 외에도 공급 특성이 인정신청에 미치는 영향을 수요 유발 행위로 보고자 하였다.

나. 통제변수

통제변수로 10년간 시군구별 65세 이상 인구와 인정률을 투입해 본 연구에 사용하였다. 먼저 65세 인구를 통제변수로 설정하였는데, 노인인구를 “신청 가능 인구”로 보았다. 노인가 많으면 자연 발생적으로 인정신청이 증가할 수 있고, 지난 5년 통계량(2015~2019년)을 살펴보면 전체 노인인구 중 10~13% 범주 내에 장기요양 인정신청을 하였다(보건복지부, 2019). 노인인구에 따라 인정신청 건수가 증가되는 것이 자연스러운 현상이기에, 해당 변수를 통제할 필요가 있어, 시군구별 65세 인구를 통제변수로 설정하였다.

다음으로 인정률을 통제변수로 활용하였다. 인정률은 공단 등급판정절차에 따라, 수발 도움이 필요하다 인정된 비율을 의미한다. 공단 의사소견서, 인정조사, 건강보험상 병력 등을 등급판정위원회에서 종합 고려해, 장기요양 등급을 받은 비율이다. 본 연구에서는 인정률을 전체 신청자 중 “실제 수발 어려움이 있는 비율”로 보았다. 특정 지역에 인정률이 높다면, 해당 지역에 수발을 필요로 하는 비율이 높다 추정할 수 있다. 노인인구가 “신청 가능 인구”로서 인정신청 증가에 영향을 미칠 수 있듯, 인정률이 “수발 필요 인구 비율(인정률)”로 해당 지역에 인정신청을 높일 수 있는 변인으로 작용할 수 있다. 또한 인정률을 통제한 상태에서, 공급 특성이 인정신청에 영향을 수요 유발 효과로 보고자 하였다. 연도마다 인정률 변화가 나타나지만, 이는 선형패널분석의 내생성 통제로 연도 인정률 변화 효과를 통제하였다

다. 독립변수

노인장기요양 공급 특성이 수요 유발에 미친 영향을 보기 위해, 노인장기요양 공급 특성을 독립변수로 활용하였다. 공급 특성은 시군구별 장기요양 기관 특성과 종사자 특성으로 나눴다.

먼저 “공급 기관 특성” 변수는 급여 제공이 이루어지는 장소에 따라 분류하였다. 장기요양 공급-수요 선행연구에 있어, 급여 종류별 수요 유발을 분석한 것에 기인해(Noguchi & Shimizutani, 2005; Shimizutani, 2006; Noguchi& Shimizutani, 2009; 이기주, 석재은, 2020), 독립변수를 기관의 급여 특성별로 변수 구분하였다. 입소시설 또한 장기요양 제도의 개선을 위한 정책적 함의를 도출하기 위해, 분석 모형에 투입하였다. 시군구별 ①방문서비스 기관(Home Service), ②주야간보호 서비스 기관(Semi-Care Facility), ③입소 서비스 기관(Fully Facility)의 수를 변수 설정하였다. 서비스 제공 장소(자택, 자택+기관, 기관)에 따라 기관 변수를 설정하였다. 방문 서비스 기관은 급여가 수급자 ‘자택’에서 제공하는 기관으로, 방문요양센터, 방문간호센터, 방문목욕센터 총계로 설정하였다. 주야간보호서비스 기관은 자택에 실거주하지만 특정시간 기관을 방문해 서비스를 제공받아, ‘자택+기관’으로 보았고 주야간보호센터와 단기보호시설을 “주야간보호 서비스 기관 변수”로 설정하였다. 입소 서비스 기관은 수급자가 ‘기관’에 실거주해, 요양원과 공동생활가정을 “입소 서비스 기관” 변수로 설정하였다.

장기요양 종사자 특성은 기관 종사자를 직군을 나눠 변수화하였다. 공급 기관 종사자별 업무가 다르므로, 이러한 차이가 수요 유발에 미치는 영향을 살펴보고자 하였다. 실례로, 일본 케어매니저의 업무 특성으로 인해 수요 증대가 된 사례가 있었으므로(Sugawara&Nakamura, 2014), 이러한 점에 착안하여 공급 기관 직군을 독립변수로서 투입하였다. 노인장기요양보험 고시에 명시된 직군인 요양보호사, 간호인력, 사회복지사 인원을 시군구별로 수집하였다. 간호인력으로는 간호사와 간호조무사가 모두 포함되었다. 공급 기관에 종사하는 인력이 종속변수에 유의미한 영향이 있었는지 살펴보고자 하였다.

가. 선형패널분석

본 연구는 노인장기요양 공급에 따른 유인수요 효과를 분석하기 위해 패널분석을 실시하였다. 패널분석 방법은 횡단자료와 시계열 자료를 통합해, 시간 특성을 고려해 분석단위의 특성을 살펴볼 수 있다. 기존 횡단연구는 고정된 시점에서 관심 현상을 바라보지만, 패널분석은 분석단위의 시간을 통제하여 연구를 진행한다. 본 연구는 노인장기요양보험이 운영된 10년간의 자료를 활용하였고, 관찰 변수를 제외하고 시점별 통제가 이루어지지 않는 변수의 영향을 통제하기 위해 패널분석을 수행하였다. 특정 연도별로 장기요양 인프라 및 등급 확대, 정책변화 등이 발생하며 관찰 변수에 영향을 미칠 수 있기에, 각 연도별로 발생한 제도적 특성과 지역별 특성 등 을 선형패널분석 방법을 통해 통제하는 것이다.

독립변수와 종속변수의 인과관계는 기본적으로 회귀분석을 통해 살펴볼 수 있지만, 선형패널분석은 시간의 차원이 추가되어 추정 방법이 횡단자료의 분석 방법과는 차이가 있다. 패널분석은 시계열적 특성으로 발생하는 지역별 추정 오차를 통제하는 것이 주요 특징이다. 또한 회귀분석은 가능한 모든 변수를 모형에 포함시키지만, 패널분석은 지역적･시점 특성으로 인한 누락 변수(omitted variable)가 발생한다고 가정하고, 시점별로 통제 불가능한 변수를 내생성으로 처리해준다. 즉, 누락 변수(omitted variable)는 관측될 수 없기에, 내생성(endogeneity) 개념을 분석에 포함하고 있는 것이다. 연도별로 발생한 모든 사회적 요인을 통제하지 못하기에, 패널분석을 통해 관련 오차항을 변수화하여 통제할 수 있는 장점 때문에(최충익, 2008, p.122), 현재 계량경제학에서 선형패널분석 방법이 활발히 사용되고 있다. 내생성은 지역별･시점별 통제 불가능한 변수를 의미하고, 자연적인 상태에서 독립변수와 일부 관계를 맺는 것을 의미한다. 회귀분석에서 오차와 독립변수의 독립성이 가정되지만, 패널분석은 사회현상 특성상 통제 불가능한 오차의 발생을 인정하고 일정 수준에서 독립변수와 관련성을 가진다고 가정하고 있다(김근진, 이현철, 2015). 내생성은 지역 특성 효과(μ)와 시간 효과(ν)를 가정해 분석하고, 이는 다음 모형과 같다.

$$\begin{array}{l}{Y}_{i,t}=\alpha +\beta X_{i,t}+{\eta }_{i,t}\\ \left(i=\text{지역},i=\text{시점},{\eta }_{i,t}={\mu }_{i,t}+{\nu }_{i,t}+{\in }_{i,t}\right)\\ \left({\mu }_{i,t}=\text{관찰되지 않은 지역특성 효과},{\nu }_{i,t}=\text{관찰되지 않은 시간효과},{\in }_{i,t}=\text{불규칙 오차}\right)\end{array}$$

선형패널분석에서 보이지 않는 내생성을 통제하기 위해, 고정효과모형(Fixed effect model)과 확률효과모형(Random effect model)을 활용해 분석한다. 고정효과모형은 지역별 잠재된 변수가 시간에 따라 변하지 않다고 가정하고 있기에, 지역별-연도별 평균값을 차감해 선형분석을 수행한다. 즉, 시간에 따라 보이지 않는 특성을 차분해 모형을 추정하는 것이다. 반면, 확률효과모형(Random effect model)은 개별 특성이 시간에 따라 고정되지 않고 확률적으로 나타난다고 보고, 독립변수와 내생성 간 상관관계가 없다고 보고 있다. 고정효과모형은 시간추이별 “분석단위 내 차이(within)”를 분석해 분석단위 차이를 제거해 선형관계를 분석하는 방법이라면, 확률효과모형은 더 나아가 시간추이별 “분석단위 간 차이(between)”을 고려한다(김근진, 이현철, 2015). 고정효과모형은 더미변수 생성으로 높은 자유도를 보이지만 정확성이 낮아질 수 있지만, 확률효과모형은 정확성 저하의 위험은 적지만 가정 추정이 엄격해 이를 충족시키기 어렵다. 패널데이터 특성에 따라 적합한 모형 선정이 필요하고, 하우스만 검정(Hausman Specification Test)으로 모형을 선택할 수 있다. 독립변수와 내생성의 분산 공분산 행렬(cov(Xit, ηit)=0) 측정해, 상관성 여부를 하우스만 검정으로 볼 수 있다. 하우스만 검정은 시간 가변변수를 자유도(df)로 활용해 χ²(df) 분포를 따라, 독립변수와 내생성의 체계적 차이를 보고 적합한 모형을 선택한다(민인식, 2018). 선형패널분석 도구로 R 4.0.2를 활용하였고, 분석 패키지로 stl pacakages, plm package를 활용했다. 본 연구는 계량경제학 측면에서 공급이 수요 유발에 영향을 살펴보고자, 선형패널분석 방법을 활용하였다. 사회현상은 자연과학과 다르게 내생성 발생 가능성이 높아, 선형패널분석을 통해 시계열･지역별 특성을 통제하여 실증 분석하였다.

나. 자료분석 방법

본 연구는 선형패널분석의 이론적 특성을 반영해 다음과 같은 모형을 설정하여 분석하였다.

$$\begin{array}{l}{Y}_{i,t}=\alpha +{\beta }_k{P}_{k,i,t}+{\beta }_j{X}_{j,i,t}+{\eta }_{i,t}\\ \text{P}=\text{통제변수},\text{ k}=65\text{세 이상 인구},\text{ 인정률}\\ \text{X}=\text{독립변수},\text{ j}=\text{기관}:\text{ 방문서비스, 주야간보호서비스, 입소}\\ \text{서비스/종사자}:\text{요양보호사, 사회복지사, 간호인력}\\ \text{i}=\text{전국 시군구 }\left(\text{시군구별 변수번호 }1~229\right),\text{ t}=\text{연도 }\left(2010-2019\text{년}\right)\end{array}$$

본 연구는 시계열 데이터를 활용해 연구할 예정이기에, LM test로 데이터에 내성성이 존재하는지 살펴보았다. 또한 내생성의 Hausman-test로 적합한 선형패널분석 모형을 채택해 분석할 예정이다. 여기서 Hausman-test의 유의 수준은 0.05로 설정하였다. 분석단위는 시군구로 설정하고, 분석 대상 기간은 10년(2010~2019년)으로 지정하였다

가. 공급-인정신청 상관관계

인정신청을 수요 유발로 보기에 앞서, 전체 공급 기관과 인정신청의 인과관계를 탐색적으로 살펴보기 위해, 두 변인 간의 상관관계를 분석하였다. 전체 시점/시군구별 공급 기관-인정신청의 산점도를 살펴보면 [그림 4]와 같다. 분석단위는 시군구로, 65세 이상 인구수에 비례해 점(dot)의 크기를 크게 설정하여 인구특성을 함께 반영하여 살펴보았다. 전체 공급 기관 수와 인정신청 간 높은 상관성이 확인되었고(r=0.925, p<0.001), 공급 기관 300개 이하, 인정신청 7,500건 이하에 시군구가 밀집 분포하였다. 공급 기관과 인정신청의 상관성을 산점도와 함께 그림 4에서 선형(붉은선)-곡선추세(파란선)로 나누어보았으나 두 추세선 간 차이는 크지 않았다. 특히 공급 기관 500개 이하, 인정신청 12,500건 이하에서는 두 추세선이 상당부분 일치하는 양상을 보였고, 해당 지점 이후 인정신청 증가폭이 일부 높았다. 65세 이상 인구-인정신청 상관성이 높았지만(r=0.873, p<0.001), 공급 기관-인정신청이 갖는 상관성보다는 낮은 선형관계를 보였다.

연도별 산점도를 [그림 4] 우측과 같이 분류해 살펴보았고, 연간 공급 기관-인정신청의 상관성은 모두 유의미하였고, 상관계수 차이가 크지 않았다. 2010년 공급 기관과 인정신청의 추세 기울기가 일부 달랐지만, 2011년부터 2019년까지 선형 기울기 특성이 매우 유사하였다. 매년 선형(붉은선)-곡선(파란선)추세선의 경향성 차이가 없었고, 연도별 공급 기관-인정신청 분포 특성이 같고 일정한 상관관계를 유지하였다.

새창으로 보기

그림 4.

시군구별 공급 기관-인정신청 산점도

연도, 공급 기관, 그리고 인정신청의 세 변인 간 경향성을 보기 위해, 3차원 산점도를 [그림 5]과 같이 시각화하였고 회귀면적을 활용하여 변화량을 살펴보았다. X축을 연도(year), Y축을 공급 기관(supply), 그리고 Z축을 수요 유발(demand)로 각각 설정하여 산점도 및 회귀면적을 시각화하였다. [그림 5]에서, 연도별 공급 기관과 인정신청이 동반 상승하였고, 공급 기관 증가에 따라 인정신청 증가도 함께 이루어지는 정적관계를 볼 수 있다. 모든 축의 통계량이 상관성을 가지며 상승하는 경향성이 확인되는 것이다. 특히 연도별 공급 기관과 인정신청 건수 증가가 나타났고, 공급 기관에 비해 인정신청의 상승폭이 일부 크게 나타났다.

새창으로 보기

그림 5.

3차원 산점도 및 회귀면적(연도-공급-수요 유발)

나. 연도별 공급-인정신청의 인과관계

공급 기관과 인정신청 간 높은 상관관계가 나타났고 (r=0.925, p<0.001), 추세선 및 회귀면적의 인과적 특성을 수치를 <표 5>와 같이 연도별 단순회귀분석 통계량을 기술하였다. 앞서 살펴본 [그림 4], [그림 5]와 같이, 모형 설명력(R²)은 연도별로 0.88~0.90 범주 내에서 증감을 반복하는 양상을 보였다. adj R²에도 소폭 증감을 유지하며 동일하게 높은 통계량을 보였고, 연도별 설명력은 모두 유의미하였다.

독립변수인 공급 기관 계수(β)는 매년 인정신청과 정적 인과관계를 보였다. 2010년 공급 기관의 회귀계수가 13.375(<0.001)로 일부 차이가 있지만, 2011년 이후 매년 공급 기관 계수가 21-24(<0.001) 범주 안에서 나타나며 인정신청에 유의미한 영향을 확인하였다. 공급 기관의 회귀계수에 연도별 변화가 크지 않고, 매년 공급 기관 증가에 따라 일정한 인정신청 증가가 이어졌다. 단순회귀분석을 통해, 공급 기관이 인정신청 증가에 매년 비슷한 수준의 영향을 미친 것을 볼 수 있다. 패널자료의 내생성 및 통제 변수 투입, 독립변수의 세분화가 이뤄지지 않았지만, 공급과 수요 유발에 유의미한 관계가 탐색적으로 관찰되었다.

다. 공급-수요 유발의 선형패널분석

본 연구는 공급특성이 수요 유발 요인으로서 인정신청에 미치는 영향을 보기 위해 선형패널분석을 실시하였고, 65세 이상 인구 및 인정률을 통제변수로 설정하였다. 통제변수(노인인구, 인정률) 영향력 이외에 독립변수가 가진 영향력을 평가하기 위해, 통제변수를 투입하고 이후 독립변수를 투입해 설명력과 계수의 변화량을 살펴보았다. 모형 분석 전, 내생성 여부와 적합한 선형패널모형 적용을 위해 LM test와 Hausman test가 사용되었다.

내생성(endogeneity) 여부를 파악하기 위해 LM test를 실시해 합동모형 오차항 분산 측정 및 내생성을 확인하였다. 첫번째로, 통제변수(노인인구, 인정률)과 종속변수(인정신청)에서 내생성 발생 여부를 분석하였고, χ²는 416.3(p<0.001)으로 귀무가설을 기각해 내생성이 인정되었다. 두 번째로, 통제변수(노인인구, 인정률)와 독립변수(공급 특성)를 모두 투입해도, χ²=5983.1(p<0.001)으로 내생성이 인정되었다. 즉, 투입된 변수 외에도 지역별･연도별 통제되지 않는 효과가 있다는 것이 LM test로 입증되었고, 본 연구모형에 합동 모형 오차항(내생성)을 포함해, 선형패널분석을 수행하였다.

선형패널분석을 위해 표6과 분석을 수행하였다. 통제변수(65세 인구, 인정률)만 투입해 인정신청에 미치는 인과관계(이하 모형 1)를 살펴보았다. 모형 1에서 적합한 선형패널분석 모형 탐색을 위해 Hausman test를 실시하였고, χ² = 416.9(p<0.001)로 나타나 고정효과모형(Fixed Effect Model, 이하 FE)이 채택되었다. 즉, 내생성이 연도에 따라 고정되어 나타난 것이다. 모형 1의 수정된 설명력(adj R²)은 고정효과모형에서 0.709(p<0.001), 확률효과모형에서 0.734(p< 0.001)로 나타나, 본 연구에서 채택한 고정효과모형의 설명력은 다소 낮았다. 투입된 통제변수 모두 인정신청에 유의미한 인과관계를 보였다. 다른 변인을 통제한 상태에서, 고정효과모형의 65세 인구 1명 증가가 0.13건 증가하는 것을 추정할 수 있고, 인정률 1% 증가에 따른 인정신청 13건 증가를 추정할 수 있었다. 고정효과모형 계수(β)를 확률효과모형과 비교했을 때 인정률에서 차이가 크게 나타났다.

고정효과모형(FE)의 공급 기관 특성을 살펴보면, 재가 기관인 방문서비스 기관과 주야간보호 서비스 기관이 인정신청 증가에 유의미한 영향을 미쳤다. 방문서비스 기관의 계수(β)는 4.52(p<0.001)로 기관 1개당 4.52건의 인정신청 증가에 영향을 미쳤다. 주야간보호 기관의 계수(β)는 9.28(p<0.001)로 높은 영향력을 보였다. 입소시설은 통계적으로 유의미하지는 않았다. 고정효과모형과 확률효과모형을 비교할 때, 방문서비스 기관과 주야간보호 기관 모두 통계적으로 유의미했지만, 입소시설의 경우에는 고정효과모형과 확률효과 모형 모두 통계적 유의성이 확인되지 않았다. 다만 두 모형 간 방문서비스 기관과 주야간보호 기관의 계수 통계량이 일부 달라, 공급 기관 특성에서는 재가 서비스 기관(방문서비스 기관, 주야간보호기관)에서만 인정신청에 유의미한 영향이 관찰되었다. 노인인구 및 인정률이 통제되었음에 재가 서비스 기관 공급이 인정신청에 유의미한 영향을 미쳤다.

공급 기관 소속 종사자 특성을 살펴보면, 고정효과모형의 사회복지사와 요양보호사 인력 증감이 인정신청 규모에 영향을 미치고 있음을 확인할 수 있었다. 기관 종사 요양보호사 계수는 −0.17(p<0.001)로 부적 영향력을 보였으나, 계수의 영향력이 매우 낮았다. 반면, 기관 사회복지사의 계수는 9.55(p<0.001)로 전체 투입 변수 중 가장 높은 영향력을 보였다. 이는 기관 사회복지사 1명당 인정신청 건수가 9.55 증가하는 영향을 미치는 것으로 추정할 수 있고, 가장 높은 수요 유발 효과를 보였다. 기관 간호인력 계수의 유의확률은 0.75로 통계적으로 유의미하지 않았다. 고정효과모형과 확률효과 모형 간 비교에서, 사회복지사와 간호인력 계수와 유의확률에 차이가 있었다. 독립변수 투입에 따른 설명력의 변화를 보면, 고정효과모형에서 수정 설명력(adj R²)이 0.709(p<0.001)에서 0.793(p<0.001)으로 높아졌다. 공급 기관 투입이 인정신청 증가에 미치는 영향력이 높았고, 재가 기관 공급량 증가가 인정신청 증가로 이어지는 것을 확인할 수 있었다.